Submitted by Marcele Costal de Castro (costalcastro@gmail.com) on 2017-10-02T17:15:17Z No. of bitstreams: 1 CELSO MARCELO FRANKLIN LAPA D.PDF: 468347 bytes, checksum: ddc9a94cc8d5466ecb53caae5b09d810 (MD5) / Made available in DSpace on 2017-10-02T17:15:17Z (GMT). No. of bitstreams: 1 CELSO MARCELO FRANKLIN LAPA D.PDF: 468347 bytes, checksum: ddc9a94cc8d5466ecb53caae5b09d810 (MD5) Previous issue date: 2001-12 / Esta tese apresenta uma metodologia para maximização da disponibilidade e do desempenho de sistemas eletro-mecânicos pertencentes a centrais nucleares através da obtenção de políticas otimizadas de manutenções preventivas e de testes periódicos. A metodologia baseia-se na utilização dos algoritmos genéticos para a determinação de políticas ótimas através da utilização de modelos probabilísticos que permitem um agendamento contínuo para as intervenções que forem necessárias. São propostos três modelos probabilísticos: um modelo baseia-se na confiabilidade dos componentes para obtenção da política de manutenções preventivas que deve ser praticada por sistemas on-line, um outro modelo estima os custos financeiros de uma dada política de manutenções e, finalmente, um modelo para determinação da disponibilidade de sistemas formados por componentes em standby, dada uma política de testes para inspeção. Os resultados obtidos demonstram a superioridade dos métodos propostos quando comparados à tradicional abordagem de frequências constantes de intervenções. Além disto, são apresentados estudos de casos envolvendo sistemas nucleares reais onde as políticas apontadas pela metodologia proposta melhoram substancialmente o desempenho operacional de tais sistemas em comparação com as políticas padrão praticadas na operação da central. / This thesis presents a methodology for nuclear power plants electro-mechanics system availability and performance maximization via preventive maintenance scheduling and surveillance tests policy planning. The methodology uses genetic algorithms to find optimal scheduling policies using a probabilistic model, which allow non-constant time intervals between interventions. Three models are proposed: the first is based on component reliability to find the preventive maintenance scheduling which must be adopted by online systems. The second one includes maintenance. The last model is applicable to standby systems. In this case, the availability is a function of the components surveillance tests scheduling policy. The results demonstrated that the proposed methodology is better when compared to those obtained by application of the traditional approach, which considers constant time intervals between interventions. Moreover, in several case studies involving real nuclear systems, the proposed methodology led to better maintenance/test schedules when compared to standard policies.

Submitted by Almir Azevedo (barbio1313@gmail.com) on 2014-01-15T11:33:15Z No. of bitstreams: 1 dissertacao_mestrado_ien_2006_02.pdf: 387445 bytes, checksum: 255065d79e3220f3ddfa7c2492d6f253 (MD5) / Made available in DSpace on 2014-01-15T11:33:15Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_ien_2006_02.pdf: 387445 bytes, checksum: 255065d79e3220f3ddfa7c2492d6f253 (MD5) Previous issue date: 2006 / Este trabalho apresenta uma nova abordagem para resolução de problemas de maximização da disponibilidade em sistemas eletro-mecânicos, submetidos a políticas de testes periódicos para supervisão e inspeção. A nova abordagem utiliza ferramenta de otimização recém desenvolvida, Particle Swarm Optimization (PSO) criada por Kennedy e Eberhart (2001), integrada a modelos probabilísticos. São resolvidos dois problemas envolvendo otimização de políticas de manutenção, o primeiro utiliza um sistema eletromecânico clássico hipotético, e o segundo utiliza o sistema de geradores a diesel de emergência da planta nuclear de Angra 1. Para ambos os casos, o PSO é comparado com o algoritmo genético (AG). Nos experimentos realizados, o PSO foi capaz de obter resultados comparáveis aos do AG, ou até, ligeiramente superiores. Entretanto, o algoritmo do PSO é mais simples e a convergência mais rápida, apontando para uma boa alternativa para solução desta classe de problemas. / This work shows a new approach to solve availability maximization problems in electromechanical systems, under periodic preventive schedules tests. This approach uses a new optimization tool called PSO developed by Kennedy and Eberhart (2001), Particle Swarm Optimization, integrated with probabilistic safety analisys model. Two maintenance optimization problems are solved by the proposed technique, the first one is a hypothetical electromechanical configuration and the second one is a real clase from a nuclear power plant (Emergency Diesel Generators). For both problem PSO is compared to a genetic algorithm (GA). In the experiments made, PSO was able to obtain results comparable or even slightly better than those obtained GA. Therefore, the PSO algorithm is simpler and it´s convergence is faster, indicating that PSO is a good alternative for solving such kind of problems